교과과정

이 과목은 최신 인공지능 기술을 활용하여 로봇의 지능적 행동을 설계하는 방법을 학습합니다. 수강생은 ROS, SLAM, 비전 기반 로봇 팔, 음성 및 영상 인식 기능이 탑재된 로봇 플랫폼을 제공받아 실습합니다. 초기에는 ROS와 SLAM의 기초를 배우고, 로봇 매니퓰레이션 및 차량 제어를 위한 운동학을 학습합니다. 이후에는 객체 탐지, 대형 언어 모델(LLM), 강화학습(RL)과 같은 머신러닝 기법을 로봇에 통합하여, 환경 인식 기반의 자율적이고 상호작용 가능한 로봇을 설계합니다. 마지막으로, 수강생은 팀 프로젝트를 통해 실제 문제를 해결할 수 있는 지능형 로봇 시스템을 직접 구현하게 됩니다.

• 이 수업은 자신의 일을 통해 직접적으로 사회 문제를 해결하고 있는 사회 혁신가들을 소개하고, 이들의 활동이 기술을 통해 더 확장될 수 있도록 기술을 분석하고 솔루션을 제안하는 수업입니다.
• 기존 개발 프로젝트 링크: https://techforimpact.io/campus/project
• 실제 비영리조직을 창업하고, 환경, 다양성, 건강, 정치 등 다양한 분야에서 변화를 만들어 내고 있는 브라이언 펠로우들의 경험담과 사례를 소개할 예정입니다. 이를 바탕으로 혁신가들이 해결하고 싶은 문제를 더 빠르고 효과적으로 해결할 수 있는 기술 솔루션을 제안하는 과제가 병행됩니다.
• 9월 첫째주 금–토 1박 2일 동안  카카오 AI캠퍼스에서 펠로우님들의 조언을 받아 팀 구성 및 문제 정의 후 기획서를 작성합니다.
• 사용자 인터뷰, 필요한 도구 등 수업을 진행하는데 필요한 소정의 활동비를 지원합니다. 필요한 경우, 카카오의 개발자들이 기술 전문 멘토링과 피드백을 지원할 수 있습니다.
• 본 수업을 끝까지 수강한 학생 모두에게 수료증이 제공되며, 우수 프로젝트 및 학생에 대해서는 상금 및 후속 프로젝트 지원이 제공될 예정입니다.
• 사회 문제를 직접 정의하고 기술적인 해결 방법을 기획하여 제안하는 것에 더 중심을 둡니다.
• 강의 시간: 매주 금요일 16:00 – 19:00

본 과목에서는 빅데이터 분석에 필요한 수학적 방법론과 프로그래밍 모델을 다룬다. 웹 검색, 스팸 필터, 크라우드 소싱, 추천 시스템, 비주얼라이제이션 등 다양한 어플리케이션에서 필요한 데이터 분석 방법론들을 소개한다.

타학과 선수과목 : MAS212 선형대수학

이 과목은 최근 전자 시스템의 중요한 구현기술의 하나인 embedded 시스템에 대하여, 그 구성요소인 hardware 및 software에 대하여 분석하고, 시스템 구현 기술을 습득한다. Embedded system에서 가장 널리 쓰이는 ARM processor를 기반으로 제작된 CPU board 및 입출력 board에 대하여 소개하고, open source의 가장 보편적인 Linux operating system에 대하여 설명하고, PC를 이용한 개발환경에서 어떻게 시스템을 구현하는가에 대하여 공부한다. 기본적인 interface들에 대한 device driver 실험을 병행하여 개념을 확실히 잡도록 한다.

본 과목은 시스템 프로그래밍, 특별히 OS에 관련된 병렬성, 동기화, 프로세스, 메모리 관리, 입출력 디바이스, 파일 시스템에 관련한 기본적 지식 및 기술들을 다룬다. 또한 어셈블리와 컴파일러의 기본적인 원리를 공부한다.

EE.30021 통신공학 개론에서 다루는 아날로그 통신 및 디지털 통신의 기본적인 내용을 좀 더 심화하고, EE.30021 통신공학 개론에서 다루기 어려운 현대 통신기술을 학부 수준에서 그 개념을 위주로 소개한다.

이 과목에서는 회로설계, 통신, 신호처리 및 제어공학에 필수적인 최적화의 기초 개념 및 기법과 그 응용 분야를 다룬다. 선형 벡터공간, 선형 연산자, 선형 추정 및 필터링, 함수 해석학, 최적 제어, 선형 계획법, 비선형 계획법, 동적 계획법, 진화 연산, 신경 회로망 등을 다룬다.

타학과 선수과목 : MAS212 선형대수학

본 과목에서는 무선 네트워크 접속 기술과 시스템 어플리케이션의 법칙에 대한 내용을 공부한다. 주로 무선 접속 기술, 다중 접속 제어 및 스케쥴링, 시스템 캐패시티 최적화와 그 응용인 WiFi, WiMax, adhoc 센서 네트워크를 다룬다.

이 과목에서는 이산 신호 및 시스템의 표현, 분석 그리고 설계에 관하여 다룬다. 개요는 z-변환, 이산 푸리어 변환, 빠른 이산 푸리어 변환, 이산 시스템 구조, 디지털 필터 설계 방법, 아날로그-디지털 변환, 디지털-아날로그 변환, 표본화 그리고 에어리어싱에 관한 문제 등 이다.

본 과목은 시각 데이터를 분석하기 위한 머신러닝 기법들을 다룬다. 특히, 본 과목은 시각적 데이터 분석에 널리 사용되는 기본적인 머신러닝 기법들과 최신 딥러닝 방법들을 중심으로 하며, 이러한 방법들이 다양한 시각 데이터 문제를 해결하는데 어떻게 적용되는지를 논의한다. 본 과목은 강의, 실습, 프로젝트로 구성된다.